David Millard
収録論文 7本 ・ フィジカルAI/ロボット学習
経路計画sim2real微分可能物理シミュレーション
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- CppFlow: 効率的でロバストなデカルト経路計画のための生成的逆運動学経路計画2023/9/1
生成的逆運動学ソルバと従来の最適化を組み合わせ、デカルト経路計画を最大129倍高速かつ高成功率で解く手法を提案。
- グラニュラー・ジム:粒状材料を用いたロボットタスクのための高性能シミュレーションsim2real2023/6/1
GPU上で粒状材料の動力学を高速にシミュレーションする手法とシステムを提案し、強化学習の訓練に十分な速度を実現した。
- 微分可能シミュレーションの並列化によるシミュレーションパラメータの確率的推論sim2real2021/9/1
実世界のセンサ計測からシミュレータの物理パラメータをベイズ推論で推定する手法を提案し、GPU並列化と微分可能シミュレーションにより非線形・劣駆動系でも高精度にパラメータ分布を推定できることを示した。
- NeuralSim: ニューラルネットワークで微分可能シミュレータを拡張するsim2real2020/11/1
微分可能な剛体物理エンジンにニューラルネットワークを組み込み、摩擦接触などの複雑なダイナミクスを実データから学習するとともに、四足歩行のモデル予測制御のQPソルバをNNに置き換えて10倍高速化を実現した。
- ニューラルネットワークで微分可能シミュレータを拡張しSim2Realギャップを埋めるsim2real2020/7/1
剛体ダイナミクスの微分可能シミュレータに任意の箇所でニューラルネットを組み込み、勾配最適化とランダム探索でパラメータと重みを同定してsim2realギャップを縮小する手法を提案。
- 剛体力学の自動微分と連続感度解析微分可能物理シミュレーション2020/1/1
剛体力学の微分可能な物理シミュレータを提案し、パラメータ推定手法の比較と、経験からシミュレーションパラメータを推定しつつコスト最小化を達成する閉ループモデル予測制御アルゴリズムを導入した。
- 対話型微分可能シミュレーションsim2real2019/5/1
剛体システムの物理特性を効率的かつ正確に推定できる微分可能物理エンジンIDSを提案し、視覚入力からのシステム同定やモデル予測制御への統合でサンプル効率を大幅に改善した。
